由人工智能驱动的基于奥米克的药物对发现,用于针对三阴性乳腺癌的热致死疗法

科学领域:

• 生物医学工程 生物医学工程
• 计算生物学 计算生物学
• 在瘤学瘤学.

背景情况:

• 传统药物开发面临着低的成功率和长周期.
• 欧米克斯数据为个性化医疗提供了潜力,但在数据异质性和目标分布方面存在挑战.
• 三阴性乳腺癌 (TNBC) 仍然是一个具有挑战性的疾病,治疗选择有限.

研究的目的:

• 开发一种智能药物发现框架,用于TNBC中热症治疗.
• 快速选和优化用于精密医学的复合药物对.
• 为耐火性疾病建立一种新的药物开发范式.

主要方法:

• 大量的TNBC队列和药物数据库的数据挖掘.
• 建立一个生物因子调节的神经网络,用于药物对查.
• 生物模拟纳米晶体的制备,用于向药物输送.
• 纳米晶体机制的研究涉及核糖体应激和热致死诱导.

主要成果:

• 确定一种最佳的药物组合 (mitoxantrone 和 gambogic 酸) 用于 pyroptosis 治疗.
• 在TNBC模型中开发仿生纳米晶体,以有效的药物输送.
• 阐明纳米晶体调节热致死基因和免疫效应的机制.
• 对耐火性癌症的创新药物重新定位策略的演示.

结论:

• 开发的基于omics的智能框架可以快速准确地发现药物.
• 这种方法重新利用现有的药物来有效治疗TNBC等耐火性疾病.
• 这项研究突出了针对性癌症治疗和精准医学的有希望的新范式.